利用LabVIEW 數(shù)據(jù)記錄和監(jiān)控模塊，對大型造紙廠的紙漿生產(chǎn)進行仿真與控制

　　多元模型開發(fā)結(jié)構(gòu)

　　作者:

　　Matt Taylor - Iggesund Paperboard Workington Mill

　　行業(yè):

　　Manufacturing, 管道/紙業(yè)

　　產(chǎn)品:

　　數(shù)據(jù)采集, 數(shù)據(jù)記錄與監(jiān)控模塊, LabVIEW

　　挑戰(zhàn):

　　創(chuàng)建一個用來監(jiān)測大型造紙廠紙漿的生產(chǎn)過程，以節(jié)約能源和降低成本。

　　解決方案:

　　為了增加吞吐量，節(jié)約能源，以及優(yōu)化生產(chǎn)過程，我們利用NI LabVIEW數(shù)據(jù)記錄和監(jiān)控(DSC)模塊來處理復雜的，非線性的建模過程。

　　"LabVIEW工具包使同時運行多個模型變得更加容易，這意味著在線性能監(jiān)控功能可以變得簡單直接。"

　　位 于英國Workington的Iggesund紙板公司，其生產(chǎn)線上主要有五個造紙機，運行每個造紙機至少需要消耗15兆瓦的能量。節(jié)約能源對于降低我們 的運營成本至關(guān)重要，因此，我們需要一個解決方案，以優(yōu)化我們能源的使用效率，同時確保造紙機能夠生產(chǎn)出最終紙板成品所需要的紙漿。

　　模型設計

　　為了預測紙張的剛度，我們實施了基于前饋單層感知(FFSLP)結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(ANN)模型。之所以我們會選擇該模型，并將該模型建立于多元 線性回歸(MLR)模型之上，是因為該建模過程的需求是非線性的。人工神經(jīng)網(wǎng)絡更能準確地對大量紙張材料作出預測。此外，對于所有紙張材料來說，只使用一 個模型也是很方便的，使造紙廠操作員更易于使用該系統(tǒng)。

　　對于在線監(jiān)測功能，我們將人工神經(jīng)網(wǎng)絡與多元數(shù)據(jù)分析(MVDA)方法結(jié)合起來，因為該方法更適應于操作環(huán)境的改變，如紙張材料的變化。由此建立的非線性模型更能準確地預測橫向(CD)抗彎剛度的機器方向(MD)偏差。

　　我們利用 LabVIEW軟 件，并結(jié)合了閉環(huán)自適應造紙機控制系統(tǒng)所采用的高級自適應控制算法的人工神經(jīng)網(wǎng)絡技術(shù)，設計了該預測模型。該解決方案包含了一個脫機工具，該工具可以對不 同紙漿類型的造紙機載荷進行仿真。這無疑給操作員和開發(fā)工程師帶來了機會,可以嘗試不同精煉配置及比較預測最終紙板質(zhì)量測量。通過利用LabVIEW軟件 對改變參數(shù)后的效果進行仿真，使我們避免了昂貴的全面試驗，從而節(jié)省了我們的時間和成本。

　　此外，LabVIEW DSC 模塊可 以方便的并行運行多個模型，并且提供了直接在線性能監(jiān)控功能。利用LabVIEW DSC模塊，我們將模型限定在造紙廠可以正常運行的狀態(tài)范圍內(nèi)。當變量移動到正常運行狀態(tài)范圍之外后，報警器就會被激活，向操作員發(fā)出系統(tǒng)發(fā)生問題的提示 信息，同時系統(tǒng)向操作員指示哪個變量發(fā)生故障以及告知解決該故障的最佳方法。